超图上的随机游走
本文提出了高阶超图行走作为一个新的框架来推广基于图的网络科学技术到超图中，并通过应用高阶模型分析真实世界的超网络数据和三个生成模型发现了超图结构的微妙和可解释性，表明当利用针对捕捉超图本地现象的工具时，超图结构化数据的分析更加丰富。
Jun, 2019
本研究提出了一个参数的随机游走过程，应用于超图领域，探索了不同超图投影的随机游走过程的社区结构，并针对人工及真实超图采用了广义 Markov 稳定性框架的实验测定。
Oct, 2020
本文通过研究高阶超图随机游走，介绍了一组超图拉普拉斯算子以统一超图的不同版本，证明这些拉普拉斯算子的特征值可以有效地控制高阶随机游走的混合速率，推广距离 / 直径和边界扩展。
Feb, 2011
本文研究使用有边依赖节点权重的随机游走来发展超图的谱理论，并且给出了对于这种超图随机游走等价于图随机游走的条件，同时通过使用真实数据集展示了有边依赖节点权重的超图在排序应用中的优势。
May, 2019
本文综述了在网络上的随机游走的理论和应用，突出了单个和非自适应随机漫步器的简单情况。它探讨了随机游走的三种主要类型 —— 离散时间随机游走、节点中心的连续时间随机游走和边缘中心的连续时间随机游走，并深入讨论了一些应用，包括节点排名、社区检测、应答式抽样和选民模型等。
Dec, 2016
我们提出了一种基于随机游走的新方法，用于超图上的标签传播，其中我们将节点距离估计为随机游走的预期命中时间，并引入了困惑随机游走来更好地描述高度复杂的实际超图。我们还将我们的方法与 DeepWalk 进行了基准测试，结果显示在目标数量较小的情况下，FRW 在运行时间上具有明显的计算优势。最后，我们分析了我们方法的时间复杂度，并表明对于大型稀疏的超图，复杂度近似为线性，优于 DeepWalk 的替代方案。
Jan, 2024
提出了一种基于随机游走的灵活的超图数据聚类框架，该框架利用了依赖于边缘的顶点权重。通过使用边缘相关的顶点权重，我们说明了如何构建不同的超图拉普拉斯矩阵，并针对多个真实应用程序中的数据集进行了比较试验，结果表明该方法产生了更高质量的聚类结果。
Jun, 2020
本文研究在三体相互作用的离散时间非线性平均动力学中，超图作为描述和分析多体相互作用系统复杂行为的强大建模工具，通过一种基于权重、状态依赖邻居对的更新模式来更新顶点状态，并通过图的结构和更新的非线性之间的复杂相互作用来表现出高阶动力学效应，从而捕捉同伴压力等加强组效应。最终，假设随机初始状态，并在超图上做一些正则性和密度假设，证明动力学收敛于初始状态的乘法位移平均值，并进一步将位移特征化为两个参数的函数，描述初始状态和相互作用强度，以及作为超图结构函数的收敛时间。
Apr, 2023
本文总结了一个新兴领域 —— 除了成双成对的相互作用的网络。本文介绍了表示高阶相互作用的方法，并重点讨论了高阶动力系统和动态拓扑的快速增长的研究，并集中讨论了传播、同步和游戏等的新兴现象，当这些波及的节点多于两个时，阐明了高阶拓扑与动态属性之间的关系，并提供了实证应用的概述，展望了当前建模和概念前沿。
Jun, 2020
通过引入轨道连接来捕捉所有拓扑邻域信息，我们提出了一个新的网络嵌入方法，与基于随机游走的方法相比，能够更好地预测节点标签，证明了包括随机游走无法捕捉到的拓扑邻域信息的重要性。
May, 2024